數智賦能視域下侗族大歌主題挖掘及演化分析研究

2023-05-14 22:17:38楊秀璋武帥項美玉廖文婧任天舒劉建義

計算機時代 2023年5期

楊秀璋武帥項美玉廖文婧任天舒劉建義

摘? 要：針對新范式對傳統人文社科造成學科邊界模糊的問題，提出一種基于LDA模型和關系圖譜的領域主題演化算法。首先運用綜合指數確認領域核心研究人員；再利用LDA模型和層次聚類確認領域劃分的主題數，構建關系圖譜，探究主題詞關聯性；最后創新性的提出演化各主題間的關聯性。實驗將侗族大歌領域分為三個主題，并演化出他們之間的聯系。該研究可為數智賦能語音音頻的深入研究提供基礎。

關鍵詞：侗族大歌；數智賦能；領域主題挖掘；關系圖譜；主題演化

中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）05-118-05

Research on the theme mining and evolution analysis of the Dong Chorus

from the perspective of data intelligence empowerment

Yang Xiuzhang1， Wu Shuai1，2， Xiang Meiyu3， Liao Wenjing1， Ren Tianshu1， Liu Jianyi1

（1. School of Information， Guizhou University of Finance and Economics， Guiyang， Guizhou 550025， China;

2. School of Information Management of Nanjing Agricultural University;

3. Guiyang School of Big Data and Finance， School of Big Data Application and Economics， Guizhou University of Finance and Economics）

Abstract： Aiming at the problem that the new paradigm has blurred the boundaries of traditional humanities and social sciences， a domain theme evolution algorithm based on the LDA model and relationship map is proposed. Firstly， the composite index is used to identify core researchers in the domain. Secondly， the LDA model and hierarchical clustering are used to confirm the number of themes divided by the domain， and a relationship map is constructed to explore the relevance of theme words. Finally， the innovative proposal is made to evolve the relevance among the themes. In the experiments， the domain of the Dong Chorus is divided into three themes and the relationship between them is evolved. The research can provide a basis for the in-depth study of data intelligence empowering voice audio.

Key words： Dong Chorus; data intelligence empowerment; domain theme mining; relationship map; theme evolution

0 引言

侗族大歌作為一種起源于春秋戰國時期的演唱方式，距今已有2500年歷史，是我國最早且被國際所認可的一種無指揮、無伴奏、自然多聲部的民間復調音樂藝術類型[1]。侗族大歌演奏環節無指揮、無伴奏，民族特征性強，研究侗族大歌的意義一定程度高于其他民族歌曲。

隨著數智賦能研究熱度不斷增加，國內學者高度重視文化載體研究，嘗試對中國傳統文化進行創新性發展和轉化，探索人文定性與數字定量分析的融合過程，貢獻了大量研究研究成果，開拓出一系列研究領域和熱點[2]。但由于新范式一定程度沖擊了傳統人文社科的研究認知體系，存在學科邊界模糊、共識標準無序、評價體系欠缺等問題，一定程度影響數智賦能研究的發展。本文以“侗族大歌”的學術文獻作為研究對象，研究其主題變化趨勢，一定程度能反映相關領域的研究變化，為數智賦能語音音頻領域研究的深入提供理論基礎，同時也為民族文化保護提供了指導性意見。

1 相關研究

1.1 主題挖掘

主題挖掘（Topic Mining）[3]作為文本挖掘領域的一個重要研究問題，旨在發掘文本隱含的主題信息，實現解決“一詞多義”和“一義多詞”的語言現象。最初運用于信息檢索領域，后推廣至網絡輿情、電商推薦、文獻挖掘以及語料提升。

1.2 主題演化

主題演化分析旨在通過共詞分析、主題模型、文本聚類等方法挖掘各個階段主題的發展歷程及演變趨勢[4]。主題演化的構建需要應用到多方面信息處理技術，其分析過程可分為三步。①實體識別，是構建主題演化的基礎，對文獻結構化數據進行實體抽取，并存儲于圖數據庫中。②共詞網絡，是提升主題演化的關鍵，將抽取的實體映射到共詞網絡中，發現共現關鍵詞組，并賦予共現詞組權重系數。③圖譜可視化，是展現主題演化的結果，將已確認的各實體間的關系按照時間段進行可視化呈現。

2 總體框架

本文的主題演化分析框架大致可分為四個模塊，如圖1所示，分別是數據采集和預處理；核心科研群體發現；侗族大歌主題挖掘；侗族大歌主題演化模塊。

⑴ 數據采集和預處理：以“侗族大歌”為關鍵詞，截至2022年10月，檢索篩選中國知網（CNKI）平臺上論文1378篇，存于csv文件中，并對其進行中文分詞、去停用詞等數據預處理，編碼UTF-8。

⑵ 核心科研群體發現：第一作者發文量和總引用量結合普萊斯定律、綜合指數確認核心作者。

⑶ 侗族大歌主題挖掘：對目標數據的主題及相似度進行LDA主題挖掘和層次聚類挖掘。

⑷ 侗族大歌主題演化：結合目標數據的主題和時間數據來構建關系圖譜，進行主題演化分析。

3 核心作者群體發現

文獻數字化提升學術成果傳播速度的同時，一定程度造成學術信息過載的現象，研究專業團隊識別程度降低，不利于專業學術的發展。核心作者作為學術研究的基準，決定研究方向和質量。然而，單維度通過發文量，忽略論文質量來確定核心作者一定程度存在片面性。針對上述不足，本文嘗試采用一種結合普萊斯定律和綜合指數的核心作者確認方法來確認“侗族大歌”核心研究人員。首先，依據普萊斯定理確認核心作者候選人，再結合綜合指數遴選“侗族大歌”核心研究人員。

3.1 普萊斯定律分析

本文通過使用普萊斯定律初步確認“侗族大歌”核心研究人員，具體確認方式如下：

⑴ 確認最低被引量

侗族大歌文獻被引用次數最高的文獻是彭兆榮[5]于1999年發表《中國音樂學》的“族性的認同與音樂的發生”，被引用84次，記Cmax。結合普萊斯定律確認最低被引用量Mc，詳見公式⑴。文獻引用量超過七次的作者可視為核心作者的候選人。

[Mc=0.749×Cmax=0.749×84≈6.86]? ⑴

⑵ 確認最低發文量

“侗族大歌”發文量最多的作者為吳媛姣，共計發文13篇，記Pmax。結合普萊斯定律確認最低發文量Mp，詳見公式⑵。發表3篇及以上的作者可入選核心作者候選人。

[Mp=0.749×Pmax=0.749×13≈2.70]? ⑵

⑶ 核心作者候選人確認

步驟⑴和步驟⑵初步篩選以吳媛姣為代表的178位核心作者候選人，共發文486篇，被引4617次。

3.2 綜合指數遴選核心作者

結合綜合指數從上述篩選的178位核心作者候選人中遴選出10位“侗族大歌”研究核心作者。具體步驟如下。

⑴ 確認平均發文量

178位核心作者候選人總發文量，記X總，核心作者候選人數，記n，確認核心作者候選人的平均發文量[x]，詳見公式⑶。

[x=X總n=486178≈2.73]? ? ? ⑶

⑵ 確認平均被引量

178位核心作者候選人所發文獻的總被引用量，記Y總，核心作者候選人數，記n，確認核心作者候選人的平均被引量[y]，詳見公式⑷。

[y=Y總n=4617178≈25.96]? ? ? ?⑷

⑶ 綜合指數遴選

結合公式⑸計算各核心作者候選人的綜合指數scorei。第i位核心作者候選人的發文量記xi；第i位核心作者候選人的總被引量記yi。

[Scorei=xix×0.5+yiy×0.5]? ⑸

設置綜合指數閾值為2.2，遴選出10位“侗族大歌”的核心作者，詳見表1。第一位核心作者為四川音樂學院音樂學系的楊曉[6]，發文10篇，篇均被引19.30次，綜合指數5.55，單篇最高被引文獻為“南侗‘歌師述論——小黃侗寨的民族音樂學個案研究”，被引用47次。第二位核心作者為中央音樂學院音樂學系的樊祖蔭[7]，發文9篇，篇均被引19.22次，綜合指數4.98，單篇最高被引文獻為“侗族大歌在中國多聲部民歌中的獨特地位”，被引用52次。篇均被引次數最高的是桂林理工大學旅游學院的陳煒[15]，發文3篇，篇均被引29.00次，綜合指數2.23，單篇最高被引文獻為“旅游開發對少數民族非物質文化遺產保護的影響研究——以廣西三江侗族自治縣為例”，被引用63次。

4 侗族大歌領域主題挖掘

特征主題詞作為領域知識的重要知識元，能較好反映該領域研究主題，本文首先嘗試使用LDA模型對篩選的“侗族大歌”文獻進行主題挖掘研究，之后結合Hierarch算法進行層次聚類主題挖掘。

4.1 基于LDA模型的主題挖掘

首先借助Jieba分詞系統，對目標語料進行中文分詞處理，結合去停用詞表剔除以虛詞、數詞等語義相對較低語料，形成特征主題詞相對集中的語料數據集。通過困惑度計算，確認“侗族大歌”領域文獻的主題包括三類，分別是：區域旅游文化（Topic 1）、侗族音樂民歌（Topic 2）、文化傳承保護（Topic 3）。

4.2 基于層次聚類的主題挖掘

層次聚類旨在通過聚類算法將侗族大歌文獻中具有相似屬性的特征進行聚集，繪制樹狀主題聚類圖。本文采用Sk-leran環境下的Hierarch算法對特征主題進行層次聚類計算，繪制出圖2所示層次聚類圖，共劃分為三個類別：

⑴ T1：以地域文化和旅游地點為主的主題，關鍵特征包括“肇興侗寨”、“風雨橋”、“民族文化”等；

⑵ T2：以侗族音樂和音樂特征為主的主題，關鍵特征包括“多聲部民歌”、“侗族音樂”、“民間音樂”等；

⑶ T3：以文化傳承和文化保護為主的主題，關鍵特征包括“非物質文化遺產”、“文化傳承”、“侗歌”等。

對比發現層次聚類與LDA主題挖掘效果基本一致，兩者均將“侗族大歌”文獻分成三類主題。

5 侗族大歌領域主題演化分析

侗族大歌領域主題演化分析主要包括構建主題關系圖譜和探究各主題間演化關聯性。

5.1 主題關系圖譜

本文對篩選后的主題特征詞構建共詞網絡，發現主題詞間關聯性，構建“主題詞A—主題詞B—關系—權重”四元關系組。由于存在大量低關聯性四元關系組，在此利用普萊斯定律設置閾值篩選目標四元關系組，提升主題關系圖譜整體聚類效果。

統計發現，主題詞“侗族大歌”與主題詞“黎平縣”共現次數最多，共計出現35次，結合普萊斯定律設置閾值為5，計算公式詳見公式⑹。其中Fmax表現權重系數最高的共現四元組，Mf表示篩選為主題關系圖譜的共現四元組權重最低系數。

[Mf=0.749×Fmax=0.749×35≈4.43]? ?⑹

最終篩選出88組符合要求的共現四元組，利用Gephi工具繪制圖3所示侗族大歌領域主題關系圖譜。該圖譜分為兩大研究領域，分別是以“侗族大歌”為主的民族文化理論研究和以“侗族”為主的民族文化傳承與保護實踐研究。兩大研究領域就“旅游”、“民族文化”、“非物質文化遺產”等主題詞將兩大主題交疊融合，從側面反映民間民族文化的保護需重點傳承其特有的非物質文化遺產。

5.2 主題演化分析

相比于傳統主題演化分析旨在挖掘不同階段主題的發展歷程及變化趨勢，本文創新性地結合主題挖掘的分類結果探究各個主題間的演變關系。

首先，前文已確認將侗族大歌文獻主題分為三類，通過采用主題詞頻和主題貢獻度評估主題詞貢獻度，計算方法詳見公式⑺。其中[Wi，j]表示主題詞i在Topic n的貢獻度，該值由詞頻[Ci，j]與Topic n下主題詞總數的比值來決定。

[Wi，j=Ci，jSj]? ? ?⑺

其次，按照主題貢獻度篩選各主題下貢獻前20主題詞，能夠一定程度代表該主題的活躍度和關聯性，結合WordCloud繪制主題詞云圖。最后，對三大主題詞云圖深入挖掘，探究各主題間的演化關系，繪制圖4所示侗族大歌領域主題演化趨勢圖，深層次語義挖掘，發現如下結論：

通過對各主題下的高貢獻度主題詞分析可知，區域旅游文化主題包括“非物質文化遺產”、“侗族文化”、“黎平縣”、“肇興侗寨”等特征；侗族音樂民歌主題包括“傳承”、“民族文化”、“多聲部民歌”、“民族音樂”等特征；文化傳承保護主題包括“侗族民歌”、“黔東南”、“文化傳承”、“音樂教育”等特征。

通過對各主題之間關聯性分析可知，民族區域文化（Topic 1）和侗族音樂民歌（Topic 2）的關聯性是“衍生”；侗族音樂民歌（Topic 2）和文化傳承保護（Topic 3）的關聯性是“傳播”；民族區域文化（Topic 1）和文化傳承保護（Topic 3）的關聯性是“創造”。

6 結束語

針對新范式對傳統人文社科的研究認知體系的影響，造成學科邊界模糊、共識標準無序、評價體系欠缺等問題，一定程度影響數智賦能研究的發展。本文以“侗族大歌”學術文獻作為研究對象，運用計量統計與文本挖掘相結合的研究框架體系探究其主題變化的趨勢。

首先，運用普萊斯定律和綜合指數的核心作者確認方法，探究“侗族大歌”核心研究人員。研究表明“侗族大歌”的核心研究人員以西南地區為主，多數集中于音樂學院，符合學科研究發展趨勢。其次，分別運用LDA模型和層次聚類模型對侗族大歌的領域主題數進行了對比計算，對比結果表明兩個模型均將侗族大歌文獻內容分成三大類。之后，構建侗族大歌領域主題關系圖譜，發現侗族大歌文獻的研究呈現以“侗族大歌”和“侗族”兩大主題為主，“民族文化”、“非物質文化遺產”等主題詞將兩大主題交疊融合的研究態勢。最后，創新性提出探究各主題間的關聯性演化，發現三大主題以“衍生”、“傳播”、“創造”三種關聯性有效形成一個研究整體。總體而言，本文的研究結論一定程度反映民間民族文化領域的研究變化趨勢，為數智賦能語音音頻領域研究的深入提供理論基礎，同時為民間民族文化保護提供指導性意見。

參考文獻（References）：

[1] 余艷.中國傳統音樂研究——以侗族大歌為例[J].藝術品鑒，2022（6）：55-57

[2] 武帥，任天舒，劉建義，等.基于數據計量和社交網絡的圖書情報學科發展探究[J].情報探索，2022（1）：28-40

[3] 武帥.科學研究前沿主題識別[D].碩士，貴州財經大學，2021[4] 楊秀璋，武帥，宋籍文，廖文婧，任天舒，劉建義.基于LDA和關

系圖譜的數據治理文獻主題演化研究[J].信息技術與信息化，2022（8）：6-12[5] 彭兆榮.族性的認同與音樂的發生[J].中國音樂學，1999（3）：

47-55

[6] 楊曉.南侗“歌師”述論——小黃侗寨的民族音樂學個案研究[J].中央音樂學院學報，2003（1）：89-98

[7] 樊祖蔭.侗族大歌在中國多聲部民歌中的獨特地位[J].貴州大學學報（藝術版），2003（2）：1-5

[8] 張中笑.侗族大歌研究50年（上）[J].貴州大學學報（藝術版），2003（2）：33-37

[9] 徐新建.無字傳承“歌”與“唱”：關于侗歌的音樂人類學研究[J].民族藝術研究，2006（1）：61-70

[10] 吳媛姣，吐爾洪·司拉吉丁.侗族音樂文化生態：研究綜述及意義[J].貴州民族研究，2014，35（11）：95-99

[11] 普虹.侗族大歌——民族的瑰寶[J].貴州大學學報（藝術版），2003（2）：11-16